针对断层面上血管的多形性和检测过程中出现的采样不均衡的问题，提出一种改进的Libra区域卷积神经网络（R-CNN）的脑动脉狭窄影像学检测算法，用于检测计算机断层扫描血管造影（CTA）图像的颈内动脉和椎动脉狭窄。首先，在目标检测网络Libra R-CNN中以ResNet50为骨干网络，并分别在骨干网络的3、4、5阶段引入可变卷积网络（DCN），通过学习偏移量提取血管在不同断层面的形态特征；然后，将从骨干网络中提取的特征图输入至引入非局部神经网络（Non-local NN）的平衡特征金字塔（BFP）中进行更深度的特征融合；最后，将融合后的特征图输入至级联检测器，并通过提高交并比（IoU）阈值优化最终检测结果。实验结果表明，改进的Libra R-CNN检测算法相比Libra R-CNN算法，在脑动脉CTA数据集中平均准确率（AP）、AP₅₀、AP₇₅和AP_S分别提升了4.3、1.3、6.9和4.0个百分点；在公开的结肠息肉CT数据集中，AP、AP₅₀、AP₇₅和AP_S分别提升了6.6、3.6、13.0和6.4个百分点。通过在Libra R-CNN的骨干网络中加入DCN、Non-local NN和级联检测器，进一步融合特征从而学习脑动脉血管结构的语义信息，使得狭窄区域检测结果更精确，且改进算法在不同的检测任务中具有泛化能力。

为了研究新型智能优化算法的性能和应用前景，选择了近几年提出的6种仿生智能优化算法：哈里斯鹰优化（HHO）算法、平衡优化（EO）算法、海洋捕食者算法（MPA）、政治优化（PO）算法、黏液霉菌算法（SMA）和堆阵优化（HBO）算法，对其性能和在不同带约束的工程优化问题上的应用进行对比分析。首先，对6种优化算法的基本原理进行介绍；然后，用6种优化算法对10个基准测试函数进行寻优测试；接着，将6种优化算法用于求解3种带约束的工程优化问题。实验结果表明，对于单峰和多峰测试函数的寻优，PO的收敛精度最佳，能够多次达到理论最优值0，且收敛速度较快；对于求解工程约束问题，EO和MPA较好，因为的标准差的数量级较小，且寻优速度较快，稳定性高。最后，分析了6种优化算法的改进方法及其发展潜力。